न्यूरल नेट स्पाइरल

इस डेटा सेट में बहुत शोर है. ज़ाहिर है, लीनियर मॉडल यहां काम नहीं करेगा, लेकिन मैन्युअल रूप से तय किए गए फ़ीचर क्रॉस भी बनाना मुश्किल हो सकता है.

टास्क 1: सिर्फ़ X1 का इस्तेमाल करके बेहतरीन मॉडल को ट्रेनिंग दें और X2. लेयर और न्यूरॉन जोड़ने या हटाने के लिए, बेझिझक लर्निंग सेटिंग, जैसे कि लर्निंग रेट, रेगुलराइज़ेशन रेट, और बैच का साइज़. आपको टेस्ट में सबसे ज़्यादा नुकसान हो सकता है? कितना स्मूद है मॉडल आउटपुट सर्फ़ेस पर कोई असर नहीं पड़ता?

टास्क 2: न्यूरल नेट्स के साथ भी कुछ फ़ीचर इंजीनियरिंग सबसे अच्छा परफ़ॉर्म करने के लिए इनका इस्तेमाल किया जाता है. अतिरिक्त में जोड़ने का प्रयास करें क्रॉस प्रॉडक्ट की सुविधाएं या अन्य बदलाव शामिल होते हैं, जैसे कि sin(X1) और sin(X2). क्या तुम इससे बेहतर हो जाती हो मॉडल? क्या मॉडल का आउटपुट, बेहतर तरीके से दिखता है?

(जवाब व्यायाम के ठीक नीचे दिखाई देते हैं.)